• 阿尔及利亚传统眼妆Kohl铅污染的地理空间分布与健康风险建模研究：揭示隐蔽的公共卫生威胁及政策干预路径

  这篇综述采用火焰原子吸收光谱法（FAAS）测定了阿尔及利亚15个城市的传统眼妆Kohl样品中的铅（Pb）浓度，并首次整合了地理空间分析与健康风险定量评估（HQ）。研究发现，铅浓度（1.25–326 mg·kg–1）远超国际化妆品安全限值（20 mg·kg–1），且在北部主要城市形成污染热点。研究通过敏感性分析揭示了在较高吸收率或使用频率下，婴幼儿面临的慢性暴露风险，为传统化妆品的监管与公共卫生干预提供了关键科学证据。

  来源：ACS Chemical Health & Safety

  时间：2026-02-16

• 超临界CO2提取蘑菇成分的体外抗神经炎症及抗氧化活性研究

  本研究聚焦于神经退行性疾病中关键的神经炎症与氧化应激问题。研究团队采用超临界流体技术从八种食药用蘑菇中提取富集脂肪酸和甾醇的非极性成分，并系统评估了其抗氧化（CAA）、抗炎（THP-1/M）及抗神经炎症（BV2细胞）活性。结果表明，灵芝（Ganoderma lucidum）和猴头菇（Hericium erinaceus）提取物活性显著，其效应与麦角甾醇、亚油酸等成分相关。该研究为开发具有神经保护潜力的功能性成分提供了新的绿色提取策略和实验依据。

  来源：Applied Food Research

  时间：2026-02-16

• 犬上颌神经阻滞入路解剖评估与锥形束计算机断层扫描的比较研究：对优化兽医口腔颌面手术镇痛的意义

  为解决犬只口腔颌面手术中上颌神经阻滞技术选择缺乏解剖学和影像学对比数据的问题，本研究采用解剖剥离与锥形束计算机断层扫描（CBCT）技术，系统评估了颧下（SBZ）、眶下（IO）和上颌结节（MT）三种入路。结果表明，眶下（IO）入路相较于其他两种方法，能实现更一致、更有效的上颌神经染色与对比剂扩散，提示其在临床实践中具有更优的镇痛潜力。此项研究为兽医临床选择上颌神经阻滞技术提供了关键的影像解剖学证据。

  来源：Veterinary and Animal Science

  时间：2026-02-16

• 新型绿色溶剂联用原位超声协同萃取金银花中酚酸类成分：机制、优化与活性评价

  为了解决传统有机溶剂萃取酚酸效率低、环境污染等问题，研究人员开展了一项关于新型三元低共熔溶剂（TDES）结合原位超声协同萃取（ISUSE）技术从金银花（Lonicera japonica Thunb.）中高效提取酚酸类化合物的主题研究。通过RSM-ANN-GA集成优化模型确定最佳工艺，总酚酸提取率达90.66 mg/g，显著优于常规方法。该研究建立了一种高效、环保且可重复的提取策略，为中药活性成分的绿色提取及开发利用提供了新参考。

  来源：Ultrasonics Sonochemistry

  时间：2026-02-16

• 自闭症青少年焦虑的预测因素：内感受信念与内感受洞察的作用机制研究

  本研究关注自闭症(ASD)青少年高发的焦虑问题，针对内感受(interoception)、述情障碍(alexithymia)与焦虑之间的复杂关系尚不明确的现状，研究团队对37名ASD青少年进行了多维度评估。结果表明，反映自主神经系统反应性的内感受信念(BPQ-ANSR)能显著预测焦虑水平，且自闭症特质会强化这一联系。而内感受准确性和内感受特质预测误差(ITPE)与焦虑无关。研究提示，应更关注主观内感受信念，而非单纯客观准确性，为ASD青少年焦虑的干预提供了新视角。

  来源：Research in Autism

  时间：2026-02-16

• 鼻子能感知危险：将嗅觉障碍与新兴成年期的自杀行为联系起来

  青少年抑郁症患者的嗅觉识别能力与自杀意念及行为的相关性研究。采用标准化Sniffin’ Sticks测试评估72例MDD患者（42例SI，30例SA）和43例HC的嗅觉功能，控制BDI-II评分。结果显示SI/SA组嗅觉识别（OI）显著高于HC组（p<0.01），调整协变量后差异仍显著（F=9.32, p<0.01），OI独立预测STB（OR=1.90, 95%CI 1.24-3.13, p<0.01），AUC达0.913。未发现组间嗅觉辨别（OD）差异。研究证实嗅觉识别可作为青少年自杀风险评估的生物标志物，且不受抑郁严重程度影响。

  来源：Physiology & Behavior

  时间：2026-02-16

• 切断舌咽神经可以减少大鼠的能量摄入和糖分摄入，但不会影响其脂肪摄入或进食模式，这些大鼠被提供了美味的自助餐厅式饮食

  研究切断大鼠舌咽神经（GL）对摄食行为的影响，发现GLX未改变脂肪摄入和餐次模式，但显著减少糖摄入，表明GL神经可能单独调控糖摄入行为。

  来源：Physiology & Behavior

  时间：2026-02-16

• 探讨双侧颈总动脉阻塞后小鼠行为和神经病理学结果中的性别差异

  脑缺血模型中性别差异研究显示，C57BL/6J小鼠经双侧颈总动脉结扎术后，雄性小鼠出现空间记忆障碍、抑郁样行为、海马神经退行性变、血脑屏障破坏及白质损伤，而雌性小鼠未呈现显著病理改变，提示性别在脑缺血病理进程中起关键作用。

  来源：Physiology & Behavior

  时间：2026-02-16

• 锂离子电池的电压预测：结合基于物理的模型与神经网络以提高预测精度

  锂离子电池混合建模研究提出将DFN电化学模型与FNN神经网络结合，通过关键状态变量输入实现高效准确的电压预测，适用于宽温域和高C率条件，RMSE<10mV。

  来源：Journal of Industrial and Engineering Chemistry

  时间：2026-02-16

• HRGNN：在标签稀缺且存在噪声的图中学习具有全局鲁棒性的图神经网络

  图神经网络（GNN）在存在噪声和标签稀缺时表现脆弱。本文提出HRGNN框架，通过合成节点生成、边过滤和伪标签技术，有效对抗四种噪声（对抗攻击、边稀疏、噪声标签、异构性）并缓解标签不足问题。实验表明HRGNN在八个数据集上均优于基线方法，尤其在1%标注数据时仍保持高鲁棒性。

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-02-16

• 具有缺失值插补的自监督二分图神经网络，用于小型表格数据预测

  MissGNN是一种创新的自监督图神经网络模型，专为处理缺失值数据设计。通过构建数据点与特征间的二分图，结合多视角学习与分阶段训练，该模型同时优化特征填补和标签预测，显著提升在金融、医疗等领域的预测性能，实验表明其优于现有方法。

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-02-16

• ME-NAS：一种基于微表情特征的自适应神经架构搜索方法

  微表情识别中，传统手动设计CNN效率低且难以捕捉细微时空特征。本文提出ME-NAS方法，结合EXPERT架构搜索优化路径和ReCODE细胞级搜索引入24种3D卷积操作，有效增强微表情的识别精度。实验在6个数据集上验证，采用LOSO和跨领域评估策略，ME-NAS在准确率和召回率上均优于AutoDeepLab等现有NAS方法，且模型更浅、计算效率更高。

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-02-16

• 被删除却未真正消失：神经网络水印的重新激活

  保护深度学习模型的知识产权面临水印被攻击的挑战，本文提出无需原始参数或训练数据即可重新激活水印的方法。通过将重激活建模为优化问题，利用投影梯度下降搜索有效触发输入，结合正则化技术确保触发输入与正常输入隐蔽性一致。实验表明该方法在CIFAR-10等数据集上成功恢复90%以上被剪枝、微调或代理模型攻击破坏的水印，同时保持模型性能和隐蔽性。水印存在系数的引入为攻击条件下的可行性评估提供理论依据。

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-02-16

• 通过带有兴趣点（POI）权重模块的全球图解耦技术提升兴趣点推荐效果

  本文提出基于图神经网络的GDPW框架，通过全局类别图、类别时间图和引力图整合POI类别、时间与空间关系，采用对比学习分离信号，并引入POI加权模块，实验表明在纽约和东京数据集上准确率提升3%-11%。

  来源：ACM Transactions on Intelligent Systems and Technology

  时间：2026-02-16

• 向量乘法单元中的并行性对相关性功率分析的影响

  本文研究硬件加速器中并行处理对侧信道攻击的影响，发现当并行单元数量超过8时，关联功率分析的成功率显著下降，揭示高并行性可增强神经网络硬件的安全性。

  来源：ACM Transactions on Embedded Computing Systems

  时间：2026-02-16

• 基于基于内容的大规模食物图像检索：FoodHash框架的创新与突破

  本综述系统阐述了食物图像检索领域面临的挑战，并提出了一种创新的FoodHash解决方案。该方案针对食物图像特征分布复杂、细节精细、背景干扰多等难点，构建了一种结合上下文感知代理交互与融合的深度哈希框架。其核心在于引入了聚合-交互-传播（Aggregation–Interaction–Propagation， AIP）模块以促进特征图内部的信息交换，并设计了跨模态融合模块（Cross-Fusion Module， CFM）来有效整合多尺度语义信息。同时，文章提出了一种结合极化损失（Polarization Loss）和增强型交叉熵损失（S-cross entropy loss）的新型损失函数，以优化哈希码的学习。实验结果表明，该方法在多个公开食物数据集上显著超越了现有主流模型，为基于视觉的膳食与健康管理应用提供了高效精准的技术支持。

  来源：ACM Transactions on Multimedia Computing, Communications, and Applications

  时间：2026-02-16

• GoSteiner：基于强化学习的定向图曼哈顿几何最小斯坦纳树构建

  这篇论文提出了一种名为GoSteiner的Actor-Critic强化学习框架，用于高效求解集成电路后端物理设计中的关键问题——直角斯坦纳最小树（RSMT）。该方法通过图表示（GST）、Delaunay三角剖分和边感知图注意力网络（EGAT），将RSMT构造过程建模为序列决策问题，显著提升了高引脚数网表的构建质量与效率。实验表明其在保证布线长度误差（≤0.24%）的同时，对500引脚以下的网表实现了少于62.37ms的快速求解。

  来源：ACM Transactions on Design Automation of Electronic Systems

  时间：2026-02-16

• 一致性不变性引导的多视图超图学习：面向稳健超边预测的新框架

  本文介绍了一种名为Multi-HyperLinker（多视图超图学习框架）的创新方法，致力于解决高维数据中高阶交互（Higher-order Interaction）预测的核心难题。该工作针对传统超图神经网络（HGNN）因基础超图不完整（Incompleteness）和噪声（Noise）导致的性能瓶颈，提出通过构建多重视图（Multi-view），利用视图间的一致性（Consistency）与不变性（Invariance）来捕获可靠的高阶交互模式。其核心在于设计了一种一致性引导的双视图学习策略来修复不完整结构，并引入不变性学习策略来对抗噪声干扰。实验表明，该方法在多个真实数据集上相比现有基于HGNN的方法实现了最高19.80%的性能提升，并在不完整和含噪超图上展现出更强的鲁棒性。

  来源：ACM Transactions on Knowledge Discovery from Data

  时间：2026-02-16

• 迈向基于神经网络局部混合函数的双重局域双杂化泛函研究

  本文首次报道了“双重局域双杂化”（DLDH）泛函的优化与评估工作。该研究通过引入坐标空间中的局部混合函数（LMFs），实现了对精确交换与半局域交换，以及二阶微扰（PT2）与半局域相关性的位置依赖性混合。作者采用神经网络对LMFs进行训练，并构建了DLDH及其变体DL2DH。研究结果表明，在包含非共价相互作用的基准测试集（如Slim16/Slim20）上，这类泛函表现优异，甚至无需经验性色散修正即可获得最佳性能，展现了位置依赖性PT2混合在提升密度泛函近似（DFA）精度方面的巨大潜力。

  来源：Journal of Chemical Theory and Computation

  时间：2026-02-16

• 基于文档标题和摘要内容，一个具有专业性且能表明研究意义的中文标题是： 中文标题 高精度胺类pKa预测新策略：融合改进溶剂化与量子引导增量学习用于二氧化碳捕获溶剂筛选

  本文综述了通过结合改进的隐式溶剂化模型与量子化学引导的增量学习（delta-learning）框架，以显著提升用于二氧化碳（CO2）捕获的胺类溶剂pKa预测准确性的研究。该工作系统优化了计算方法，成功解决了传统隐式溶剂模型对叔胺预测的系统性偏差，最终在116种结构多样的胺类上实现了0.36 pKa单位的平均绝对误差（MAE），为高效、低成本的CO2捕获溶剂理性设计与高通量筛选提供了兼具高精度与可扩展性的计算工具。

  来源：Industrial & Engineering Chemistry Research

  时间：2026-02-16

知名企业招聘：